InterSystems IRIS - אַ וניווערסאַל פאַקטיש-צייט אַי / מל פּלאַטפאָרמע

מחבר: סערגיי לוקיאַנטשיקאָוו, קאַנסאַלטינג ינזשעניר אין ינטערסיסטעמס

פאַקטיש-צייט AI / ML קאַמפּיוטינג רופט

לאָמיר אָנהייבן מיט ביישפילן פון די דערפאַרונג פון דאַטאַ וויסנשאַפֿט פיר ביי ינטערסיסטעמס:

• די לאָודיד קוינע טויער איז קאָננעקטעד צו אַן אָנליין רעקאָמענדאַציע סיסטעם. עס וועט זיין אַ ריסטראַקטשערינג פון פּערמאָושאַנז אַריבער די לאַכאָדימ נעץ (למשל, אַנשטאָט פון אַ "פלאַך" שורה פון פּערמאָושאַנז, אַ "אָפּשניט-טאַקטיק" מאַטריץ וועט איצט זיין געוויינט). וואָס כאַפּאַנז מיט רעקאַמאַנדיישאַנז ענדזשאַנז? וואָס כאַפּאַנז מיט די סאַבמישאַן און אַפּדייטינג פון דאַטן צו די רעקאָמענדאַציע מאָטאָר (די באַנד פון אַרייַנשרייַב דאַטן איז געוואקסן מיט 25000 מאל)? וואָס כאַפּאַנז צו דער אַנטוויקלונג פון רעקאַמאַנדיישאַנז (די נויטיק צו רעדוצירן די פילטערינג שוועל פון רעקאָממענדאַטיאָן כּללים דורך אַ טויזנטפאָלד רעכט צו אַ טויזנטפאָלד פאַרגרעסערן אין זייער נומער און "קייט")?
• עס איז אַ סיסטעם פֿאַר מאָניטאָרינג די ליקעליהאָאָד פון דעוועלאָפּינג חסרונות אין ויסריכט קאַמפּאָונאַנץ. אַן אָטאַמייטיד פּראָצעס קאָנטראָל סיסטעם איז פארבונדן צו די מאָניטאָרינג סיסטעם, טראַנסמיטינג טויזנטער פון טעקנאַלאַדזשיקאַל פּראָצעס פּאַראַמעטערס יעדער רגע. וואָס כאַפּאַנז מיט די מאָניטאָרינג סיסטעם וואָס ביז אַהער געארבעט אויף "מאַנואַל סאַמפּאַלז" (איז עס טויגעוודיק צו צושטעלן צווייט-דורך-רגע מאַשמאָעס מאָניטאָרינג)? וואָס וועט פּאַסירן אויב אַ נייַ בלאָק פון עטלעכע הונדערט שפאלטן ארויס אין די אַרייַנשרייַב דאַטן מיט רידינגז פון סענסאָרס לעצטנס צוגעגעבן צו די פּראָצעס קאָנטראָל סיסטעם (וועט עס זיין נייטיק און פֿאַר ווי לאַנג צו האַלטן די מאָניטאָרינג סיסטעם צו אַרייַננעמען דאַטן פון נייַע סענסאָרס אין די אַנאַליסיס )?
• א סכום פון אַי / מל מעקאַניזאַמז (רעקאָמענדאַציע, מאָניטאָרינג, פאָרקאַסטינג) איז באשאפן וואָס נוצן די רעזולטאַטן פון יעדער אנדערער 'ס אַרבעט. ווי פילע מענטש-שעה זענען פארלאנגט יעדער חודש צו אַדאַפּט די אָפּעראַציע פון ​​דעם קאָמפּלעקס צו ענדערונגען אין אַרייַנשרייַב דאַטן? וואָס איז דער גענעראַל "סלאָודאַון" ווען געשטיצט דורך די פאַרוואַלטונג באַשלוס-מאכן קאָמפּלעקס (די אָפטקייַט פון פּאַסירונג פון נייַ שטיצן אינפֿאָרמאַציע אין עס קאָרעוו צו די אָפטקייַט פון פּאַסירונג פון נייַ אַרייַנשרייַב דאַטן)?

סאַמערייזינג די און פילע אנדערע ביישפילן, מיר האָבן קומען צו די פאָרמיוליישאַן פון די טשאַלאַנדזשיז וואָס שטייען ווען מאָווינג צו די נוצן פון מאַשין לערנען און קינסטלעך סייכל מעקאַניזאַמז אין פאַקטיש צייט:

• זענען מיר צופֿרידן מיט די גיכקייַט פון שאַפונג און אַדאַפּטיישאַן (צו די טשאַנגינג סיטואַציע) פון אַי / מל דיוועלאַפּמאַנץ אין אונדזער פירמע?
• ווי פיל שטיצן די AI / ML סאַלושאַנז וואָס מיר נוצן פאַקטיש-צייט געשעפט פאַרוואַלטונג?
• זענען די AI / ML סאַלושאַנז וואָס מיר נוצן קענען צו ינדיפּענדאַנטלי (אָן דעוועלאָפּערס) אַדאַפּט צו ענדערונגען אין דאַטן און געשעפט פאַרוואַלטונג פּראַקטיסיז?

אונדזער אַרטיקל איז אַ גרונטיק איבערבליק פון די קייפּאַבילאַטיז פון די InterSystems IRIS פּלאַטפאָרמע אין טערמינען פון וניווערסאַל שטיצן פֿאַר די דיפּלוימאַנט פון אַי / מל מעקאַניזאַמז, פֿאַרזאַמלונג (ינאַגריישאַן) פון אַי / מל סאַלושאַנז און טריינינג (טעסטינג) פון אַי / מל סאַלושאַנז אויף אינטענסיווע דאַטן סטרימז. מיר וועלן קוקן אין מאַרק פאָרשונג, פאַל שטודיום פון AI / ML סאַלושאַנז און קאַנסעפּטשואַל אַספּעקץ פון וואָס מיר רופן אַ פאַקטיש-צייט AI / ML פּלאַטפאָרמע אין דעם אַרטיקל.

וואָס מיר וויסן פון סערווייז: פאַקטיש-צייט אַפּלאַקיישאַנז

רעזולטאַטן יבערבליקגעפירט צווישן קימאַט 800 IT פּראָפעססיאָנאַלס אין 2019 דורך Lightbend, רעדן פֿאַר זיך:

פיגורע 1 לידינג קאָנסומערס פון פאַקטיש-צייט דאַטן

זאל אונדז ציטירן וויכטיק פראַגמאַנץ פון דעם באַריכט אויף די רעזולטאַטן פון דעם יבערבליק אין אונדזער איבערזעצונג:

"... טרענדס אין די פּאָפּולאַריטעט פון מכשירים פֿאַר ינטאַגרייטינג דאַטן סטרימז און, אין דער זעלביקער צייט, שטיצן קאַמפּיוטינג אין קאַנטיינערז צושטעלן אַ סינערדזשיסטיק ענטפער צו די בקשה פון די מאַרק פֿאַר אַ מער אָפּרופיק, באַרדאַסדיק, דינאַמיש פאָרשלאָג פון עפעקטיוו סאַלושאַנז. סטרימינג דאַטן טראַנספערס אינפֿאָרמאַציע פאַסטער ווי טראדיציאנעלן פּאַקאַט דאַטן. צוגעלייגט צו דעם איז די פיייקייט צו געשווינד צולייגן קאַמפּיוטיישאַנאַל מעטהאָדס, אַזאַ ווי, למשל, אַי / מל-באזירט רעקאַמאַנדיישאַנז, קריייטינג קאַמפּעטיטיוו אַדוואַנטידזשיז דורך געוואקסן קונה צופֿרידנקייט. די ראַסע פֿאַר פלינקייַט אויך ימפּאַקץ אַלע ראָלעס אין די DevOps פּאַראַדיגם - מאכן אַפּלאַקיישאַן אַנטוויקלונג און דיפּלוימאַנט מער עפעקטיוו. ... אַכט הונדערט און פיר עס פּראָפעססיאָנאַלס צוגעשטעלט אינפֿאָרמאַציע וועגן די נוצן פון דאַטן פלאָוז אין זייער אָרגאַנאַזיישאַנז. ריספּאַנדאַנץ זענען מערסטנס ליגן אין מערב לענדער (41% אין אייראָפּע און 37% אין צפון אַמעריקע) און זענען כּמעט יוואַנלי פונאנדערגעטיילט צווישן קליין, מיטל און גרויס קאָמפּאַניעס. ...

... קינסטלעך סייכל איז נישט כייפּ. אַכט און פופציק פּראָצענט פון די שוין ניצן דאַטן סטרים פּראַסעסינג אין פּראָודאַקטיוויטי אַי / מל אַפּלאַקיישאַנז באַשטעטיקן אַז זייער נוצן פון אַי / מל וועט זען די גרעסטע וווּקס אין דער ווייַטער יאָר (קאַמפּערד צו אנדערע אַפּלאַקיישאַנז).

• לויט די מערהייַט פון ריספּאַנדאַנץ, די נוצן פון דאַטן סטרימז אין AI / ML סינעריאָוז וועט זען די גרעסטע וווּקס אין דער ווייַטער יאָר.
• אַפּפּליקאַטיאָנס אין אַי / מל וועט וואַקסן ניט בלויז רעכט צו לעפיערעך נייַ טייפּס פון סינעריאָוז, אָבער אויך רעכט צו טראדיציאנעלן סינעריאָוז אין וואָס פאַקטיש-צייט דאַטן איז ינקריסינגלי געניצט.
• אין אַדישאַן צו AI / ML, די מדרגה פון ענטוזיאַזם צווישן יוזערז פון IoT דאַטן פּייפּליינז איז ימפּרעסיוו - 48% פון די וואָס האָבן שוין ינאַגרייטיד IoT דאַטן זאָגן אַז די ימפּלאַמענטיישאַן פון דעם סצענאַר וועט זען אַ באַטייטיק פאַרגרעסערן אין דעם לעבן צוקונפֿט. ..."

פֿון דעם גאַנץ טשיקאַווע יבערבליק, עס איז קלאָר אַז דער מערקונג פון מאַשין לערנען און קינסטלעך סייכל סינעריאָוז ווי פירער אין די קאַנסאַמשאַן פון דאַטן סטרימז איז שוין "אויף דעם וועג." אָבער אַן גלייך וויכטיק אָבסערוואַציע איז דער מערקונג פון פאַקטיש-צייט AI / ML דורך די אָביעקטיוו פון DevOps: דאָ מיר קענען שוין אָנהייבן צו רעדן וועגן די טראַנספאָרמאַציע פון ​​​​די נאָך דאָמינאַנט קולטור פון "דיספּאָוזאַבאַל AI / ML מיט אַ גאָר צוטריטלעך דאַטן שטעלן."

פאַקטיש-צייט אַי / מל פּלאַטפאָרמע באַגריף

איין טיפּיש אַפּלאַקיישאַן געגנט פֿאַר פאַקטיש-צייט אַי / מל איז פּראָצעס קאָנטראָל אין מאַנופאַקטורינג. ניצן איר ביישפּיל און נעמען אין חשבון פריערדיקן געדאנקען, מיר וועלן פאָרמולירן דעם באַגריף פון אַ פאַקטיש-צייט אַי / מל פּלאַטפאָרמע.
די נוצן פון קינסטלעך סייכל און מאַשין לערנען אין פּראָצעס קאָנטראָל האט אַ נומער פון פֿעיִקייטן:

• דאַטן וועגן די שטאַט פון די טעקנאַלאַדזשיקאַל פּראָצעס זענען ינטענסיוולי באקומען: מיט הויך אָפטקייַט און פֿאַר אַ ברייט קייט פון פּאַראַמעטערס (אַרויף צו טענס פון טויזנטער פון פּאַראַמעטער וואַלועס טראַנסמיטטעד פּער סעקונדע פֿון די פּראָצעס קאָנטראָל סיסטעם)
• דאַטן וועגן די לעגיטימאַציע פון ​​חסרונות, ניט צו דערמאָנען דאַטן וועגן זייער אַנטוויקלונג, אויף די פאַרקערט, זענען קנאַפּ און ירעגיאַלער, קעראַקטערייזד דורך ניט גענוגיק טיפּ פון חסרונות און זייער לאָוקאַלאַזיישאַן אין צייט (אָפט רעפּריזענטיד דורך פּאַפּיר רעקאָרדס)
• פֿון אַ פּראַקטיש פונט פון מיינונג, בלויז אַ "פֿענצטער פון שייכות" פון די מקור דאַטן איז בנימצא פֿאַר טריינינג און אַפּלייינג מאָדעלס, ריפלעקטינג די דינאַמיק פון די טעקנאַלאַדזשיקאַל פּראָצעס איבער אַ גלייַך סליידינג מעהאַלעך מיט די לעצטע לייענען וואַלועס פון די פּראָצעס פּאַראַמעטערס.

די פֿעיִקייטן צווינגען אונדז, אין אַדישאַן צו באַקומען און יקערדיק פּראַסעסינג אין פאַקטיש צייט פון די אינטענסיווע "בראָדבאַנד אַרייַנשרייַב סיגנאַל" פֿון די טעקנאַלאַדזשיקאַל פּראָצעס, צו דורכפירן (אין פּאַראַלעל) די אַפּלאַקיישאַן, טריינינג און קוואַליטעט קאָנטראָל פון די רעזולטאַטן פון די אַי / ML מאָדעלס - אויך אין פאַקטיש צייט. די "ראַם" וואָס אונדזער מאָדעלס "זען" אין די סליידינג פֿענצטער פון שייכות איז קעסיידער טשאַנגינג - און מיט אים, די קוואַליטעט פון די רעזולטאַטן פון די אַרבעט פון אַי / מל מאָדעלס טריינד אויף איינער פון די "ראָמען" אין דער פאַרגאַנגענהייט. . אויב די קוואַליטעט פון די רעזולטאַטן פון די אַרבעט פון AI / ML מאָדעלס דיטיריערייץ (למשל: די ווערט פון די "שרעק-קלאַל" קלאַסאַפאַקיישאַן טעות איז יקסיד די לימאַץ וואָס מיר האָבן דיפיינד), נאָך טריינינג פון די מאָדעלס זאָל זיין אויטאָמאַטיש לאָנטשט אויף אַ מער קראַנט "ראַם" - און די ברירה פון מאָמענט צו קאַטער נאָך טריינינג פון די מאָדעלס זאָל נעמען אין חשבון ווי די געדויער פון טריינינג זיך, און די דינאַמיק פון דיטיריעריישאַן אין די קוואַליטעט פון אַרבעט פון די קראַנט ווערסיע פון ​​די מאָדעלס (זינט די איצטיקע ווערסיעס פון די מאָדעלס פאָרזעצן צו זיין געוויינט בשעת די מאָדעלס זענען טריינד, און ביז זייער "נייַ טריינד" ווערסיעס זענען געשאפן).

InterSystems IRIS האט שליסל פּלאַטפאָרמע קייפּאַבילאַטיז צו געבן AI / ML סאַלושאַנז פֿאַר פאַקטיש-צייט פּראָצעס קאָנטראָל. די קייפּאַבילאַטיז קענען זיין צעטיילט אין דרייַ הויפּט גרופּעס:

• קעסיידערדיק דיפּלוימאַנט (קאָנטינואָוס דיפּלוימאַנט / דעליווערי, סי) פון נייַע אָדער צוגעפאסט יגזיסטינג אַי / מל מעקאַניזאַמז אין אַ פּראָדוקטיוו לייזונג אַפּערייטינג אין פאַקטיש צייט אויף די ינטערסיסטעמס IRIS פּלאַטפאָרמע
• קעסיידערדיק ינטעגראַטיאָן (CI) אין אַ איין פּראָדוקטיוו לייזונג פון ינקאַמינג טעקנאַלאַדזשיקאַל פּראָצעס דאַטן סטרימז, דאַטן קיוז פֿאַר אַפּלאַקיישאַן / טריינינג / קוואַליטעט קאָנטראָל פון AI / ML מעקאַניזאַמז און יקסטשיינדזשיז פון דאַטן / קאָד / קאָנטראָל אַקשאַנז מיט מאַטאַמאַטיקאַל מאָדעלינג ינווייראַנמאַנץ, אָרקעסטרייטיד אין פאַקטיש-צייט פּלאַטפאָרמע ינטערסיסטעמס יריס
• קעסיידערדיק (זיך-) טריינינג (קאַנטינואָוס טראַינינג, CT) פון אַי / מל מעקאַניזאַמז, דורכגעקאָכט אין מאַטאַמאַטיקאַל מאָדעלינג ינווייראַנמאַנץ ניצן דאַטן, קאָד און קאָנטראָל אַקשאַנז ("דיסיזשאַנז געמאכט") טראַנסמיטטעד דורך די ינטערסיסטעמס IRIS פּלאַטפאָרמע

די קלאַסאַפאַקיישאַן פון פּלאַטפאָרמע קייפּאַבילאַטיז אין באַציונג צו מאַשין לערנען און קינסטלעך סייכל אין די גרופּעס איז נישט אַקסאַדענטאַל. זאל אונדז ציטירן די מעטאַדאַלאַדזשיקאַל ויסגאַבע Google, וואָס גיט אַ קאַנסעפּטשואַל יקער פֿאַר דעם קלאַסאַפאַקיישאַן, אין אונדזער איבערזעצונג:

"... די דעוואָפּס באַגריף, פאָלקס די טעג, קאָווערס די אַנטוויקלונג און אָפּעראַציע פון ​​גרויס-וואָג אינפֿאָרמאַציע סיסטעמען. די אַדוואַנטידזשיז פון ימפּלאַמענינג דעם באַגריף זענען אַ רעדוקציע אין דער געדויער פון אַנטוויקלונג סייקאַלז, פאַסטער דיפּלוימאַנט פון דיוועלאַפּמאַנץ און בייגיקייַט אין מעלדונג פּלאַנירונג. צו דערגרייכן די בענעפיץ, DevOps ינוואַלווז די ימפּלאַמענטיישאַן פון לפּחות צוויי פּראַקטיסיז:

• קעסיידערדיק ינטעגראַטיאָן (CI)
• קעסיידערדיק עקספּרעס (CD)

די פּראַקטיסיז אויך אַפּלייז צו אַי / מל פּלאַטפאָרמס צו ענשור פאַרלאָזלעך און פּערפאָרמאַנט פֿאַרזאַמלונג פון פּראָדוקטיוו אַי / מל סאַלושאַנז.

AI / ML פּלאַטפאָרמס אַנדערש פון אנדערע אינפֿאָרמאַציע סיסטעמען אין די פאלגענדע אַספּעקץ:

• מאַנשאַפֿט קאַמפּאַטינסיז: ווען קריייטינג אַן AI / ML לייזונג, די מאַנשאַפֿט יוזשאַוואַלי ינקלודז דאַטן סייאַנטיס אָדער "אַקאַדעמיק" עקספּערץ אין די פעלד פון דאַטן פאָרשונג וואָס פירן דאַטן אַנאַליסיס, אַנטוויקלען און פּרובירן מאָדעלס. די מאַנשאַפֿט מיטגלידער קען נישט זיין פאַכמאַן פּראָודאַקטיוו קאָד דעוועלאָפּערס.
• אַנטוויקלונג: AI / ML ענדזשאַנז זענען יקספּערמענאַל אין נאַטור. אין סדר צו סאָלווע אַ פּראָבלעם אין די מערסט עפעקטיוו וועג, עס איז נייטיק צו גיין דורך פאַרשידן קאַמבאַניישאַנז פון אַרייַנשרייַב וועריאַבאַלז, אַלגערידאַמז, מאָדעלינג מעטהאָדס און מאָדעל פּאַראַמעטערס. די קאַמפּלעקסיטי פון אַזאַ אַ זוכן ליגט אין טרייסינג "וואָס געארבעט / האט נישט אַרבעטן", ינשורינג רעפּראָדוסיביליטי פון עפּיסאָודז, גענעראַליזיישאַן פון דיוועלאַפּמאַנץ פֿאַר ריפּיטיד ימפּלאַמאַנץ.
• טעסטינג: טעסטינג AI / ML ענדזשאַנז ריקווייערז אַ ברייט קייט פון טעסץ ווי רובֿ אנדערע דיוועלאַפּמאַנץ. אין אַדישאַן צו נאָרמאַל אַפּאַראַט און ינטאַגריישאַן טעסץ, דאַטן גילטיקייַט און די קוואַליטעט פון די רעזולטאַטן פון אַפּלייינג די מאָדעל צו טריינינג און קאָנטראָל סאַמפּאַלז זענען טעסטעד.
• דיפּלוימאַנט: דיפּלוימאַנט פון אַי / מל סאַלושאַנז איז נישט לימיטעד צו פּרידיקטיוו באַדינונגס וואָס נוצן אַ אַמאָל-טריינד מאָדעל. AI / ML סאַלושאַנז זענען געבויט אַרום מאַלטי-בינע פּייפּליינז וואָס דורכפירן אָטאַמייטיד מאָדעל טריינינג און אַפּלאַקיישאַן. דיפּלויינג אַזאַ פּייפּליינז ינוואַלווז אָטאַמייטינג ניט-ניט-ניטוויאַל אַקשאַנז טראַדישאַנאַלי דורכגעקאָכט מאַניואַלי דורך דאַטן סייאַנטיס צו קענען צו באַן און פּרובירן מאָדעלס.
• פּראָדוקטיוויטי: אַי / מל ענדזשאַנז קענען פעלן פּראָודאַקטיוויטי ניט בלויז רעכט צו באַטלאָניש פּראָגראַממינג, אָבער אויך רעכט צו דער קעסיידער טשאַנגינג נאַטור פון די אַרייַנשרייַב דאַטן. אין אנדערע ווערטער, די פאָרשטעלונג פון אַי / מל מעקאַניזאַמז קענען דיגרייד רעכט צו אַ ברייט קייט פון סיבות ווי די פאָרשטעלונג פון קאַנווענשאַנאַל דיוועלאַפּמאַנץ. וואָס פירט צו די נויט צו מאָניטאָר (אָנליין) די פאָרשטעלונג פון אונדזער AI / ML ענדזשאַנז, ווי געזונט ווי שיקן אַלערץ אָדער אָפּוואַרפן רעזולטאַטן אויב פאָרשטעלונג ינדיקאַטאָרס טאָן ניט טרעפן עקספּעקטיישאַנז.

AI / ML פּלאַטפאָרמס זענען ענלעך צו אנדערע אינפֿאָרמאַציע סיסטעמען אין אַז ביידע דאַרפן קעסיידערדיק קאָד ינאַגריישאַן מיט ווערסיע קאָנטראָל, אַפּאַראַט טעסטינג, ינטאַגריישאַן טעסטינג און קעסיידערדיק אַנטוויקלונג דיפּלוימאַנט. אָבער, אין דעם פאַל פון AI / ML, עס זענען עטלעכע וויכטיק דיפעראַנסיז:

• CI (קאָנטינואָוס ינטעגראַטיאָן) איז ניט מער לימיטעד צו טעסטינג און וואַלאַדייטינג די קאָד פון דיפּלויד קאַמפּאָונאַנץ - עס אויך כולל טעסטינג און וואַלאַדייטינג דאַטן און אַי / מל מאָדעלס.
• קאָמפּאַקטדיסק (קאָנטינואָוס דעליווערי / דיפּלוימאַנט, קעסיידערדיק דיפּלוימאַנט) איז נישט לימיטעד צו שרייבן און ריליסינג פּאַקאַדזשאַז אָדער באַדינונגס, אָבער ימפּלייז אַ פּלאַטפאָרמע פֿאַר זאַץ, טריינינג און אַפּלאַקיישאַן פון אַי / מל סאַלושאַנז.
• CT (Continuous Training, Continuous Training) איז אַ נייַע עלעמענט [בעערעך. דער מחבר פון דעם אַרטיקל: אַ נייַע עלעמענט אין באַציונג צו דעם טראדיציאנעלן באַגריף פון DevOps, אין וואָס CT איז, ווי אַ הערשן, קעסיידערדיק טעסטינג], טאָכיק אין אַי / מל פּלאַטפאָרמס, פאַראַנטוואָרטלעך פֿאַר די אָטאַנאַמאַס פאַרוואַלטונג פון די מעקאַניזאַמז פֿאַר טריינינג און אַפּלייינג אַי /ML מאָדעלס. ..."

מיר קענען זאָגן אַז מאַשין לערנען און קינסטלעך סייכל ארבעטן אויף פאַקטיש-צייט דאַטן דאַרפן אַ ברייטערער גאַנג פון מכשירים און קאַמפּאַטינסיז (פון קאָד אַנטוויקלונג צו אָרקעסטראַטיאָן פון מאַטאַמאַטיקאַל מאָדעלינג ינווייראַנמאַנץ), נעענטער ינטאַגריישאַן צווישן אַלע פאַנגקשאַנאַל און ונטערטעניק געביטן, מער עפעקטיוו אָרגאַניזאַציע פון ​​מענטש און מאַשין רעסורסן.

פאַקטיש-צייט סצענאַר: דערקענען די אַנטוויקלונג פון חסרונות אין קאָרמען פּאַמפּס

קאַנטיניוינג צו נוצן די פּראָצעס קאָנטראָל געגנט ווי אַ ביישפּיל, באַטראַכטן אַ ספּעציפיש פּראָבלעם (מיר שוין דערמאנט אין די אָנהייב): מיר דאַרפֿן צו צושטעלן פאַקטיש-צייט מאָניטאָרינג פון די אַנטוויקלונג פון חסרונות אין פּאַמפּס באזירט אויף די לויפן פון פּראָצעס פּאַראַמעטער וואַלועס. און ריפּאָרץ פון פאַרריכטן פּערסאַנעל וועגן יידענאַפייד חסרונות.

פיגורע 2 פּראָבלעם פאָרמולאַטיאָן פֿאַר מאָניטאָרינג די אַנטוויקלונג פון חסרונות

א שטריך פון רובֿ טאַסקס געשטעלט אין דעם וועג אין פיר איז אַז די רעגיאַלעראַטי און עפעקטיווקייַט פון דאַטן קאַבאָלע (APCS) מוזן זיין קאַנסידערד קעגן די באַקדראַפּ פון די עפּיזאָדיש און ירעגיאַלער פּאַסירונג (און רעגיסטראַציע) פון חסרונות פון פאַרשידן טייפּס. אין אנדערע ווערטער: דאַטן פון די פּראָצעס קאָנטראָל סיסטעם קומט אַמאָל אַ רגע, ריכטיק און פּינטלעך, און הערות וועגן חסרונות זענען געמאכט מיט אַ כעמישער בלייַער וואָס ינדיקייץ די דאַטע אין אַ גענעראַל העפט אין די וואַרשטאַט (למשל: "12.01 - רינען אין די דעקל פון די זייַט פון די 3 שייַכעס").

אזוי, מיר קענען העסאָפע די פאָרמולאַטיאָן פון דעם פּראָבלעם מיט די פאלגענדע וויכטיק באַגרענעצונג: מיר האָבן בלויז איין "פירמע" פון אַ כיסאָרן פון אַ ספּעציפיש טיפּ (ד"ה, אַ ביישפּיל פון אַ כיסאָרן פון אַ ספּעציפיש טיפּ איז רעפּריזענטיד דורך דאַטן פון די פּראָצעס קאָנטראָל. סיסטעם אויף אַ ספּעציפיש דאַטע - און מיר טאָן ניט האָבן מער ביישפילן פון אַ כיסאָרן פון דעם באַזונדער טיפּ). די באַגרענעצונג גלייך נעמט אונדז ווייַטער פון די פאַרנעם פון קלאַסיש מאַשין לערנען (סופּערווייזד לערנען), פֿאַר וואָס עס זאָל זיין אַ פּלאַץ פון "טאַגס".

פיגורע 3 קלעראַפאַקיישאַן פון די אַרבעט פון מאָניטאָרינג די אַנטוויקלונג פון חסרונות

קענען מיר עפעס "מערן" די בלויז "קוויטל" אין אונדזער באַזייַטיקונג? יא מיר קענען. די קראַנט צושטאַנד פון די פּאָמפּע איז קעראַקטערייזד דורך די גראַד פון ענלעכקייט צו רעגיסטרירט חסרונות. אפילו אָן די נוצן פון קוואַנטיטאַטיווע מעטהאָדס, אין דער מדרגה פון וויזשאַוואַל מערקונג, דורך אָבסערווירן די דינאַמיק פון דאַטן וואַלועס פון די פּראָצעס קאָנטראָל סיסטעם, איר קענען שוין לערנען אַ פּלאַץ:

פיגורע 4 דינאַמיק פון די פּאָמפּע צושטאַנד קעגן דעם הינטערגרונט פון אַ "מאַרק" פון אַ כיסאָרן פון אַ געגעבן טיפּ

אָבער וויזשאַוואַל מערקונג (לפּחות פֿאַר איצט) איז נישט די מערסט פּאַסיק גענעראַטאָר פון "טאַגס" אין אונדזער ראַפּאַדלי טשאַנגינג סצענאַר. מיר וועלן אָפּשאַצן די ענלעכקייט פון די קראַנט פּאָמפּע צושטאַנד צו די רעפּאָרטעד חסרונות ניצן אַ סטאַטיסטיש פּראָבע.

פיגורע 5 אַפּלייינג אַ סטאַטיסטיש פּראָבע צו ינקאַמינג דאַטן קעגן דעם הינטערגרונט פון אַ כיסאָרן "פירמע"

א סטאַטיסטיש פּראָבע באַשטימט די מאַשמאָעס אַז די רעקאָרדס מיט די וואַלועס פון די טעקנאַלאַדזשיקאַל פּראָצעס פּאַראַמעטערס אין די "פלאָוו-פּאַקעט" באקומען פון די פּראָצעס קאָנטראָל סיסטעם זענען ענלעך צו די רעקאָרדס פון די "קוויטל" פון אַ דעפעקט פון אַ זיכער טיפּ. די מאַשמאָעס ווערט (סטאַטיסטיש ענלעכקייט אינדעקס) קאַלקיאַלייטיד ווי אַ רעזולטאַט פון אַפּלייינג אַ סטאַטיסטיש פּראָבע איז קאָנווערטעד צו אַ ווערט פון 0 אָדער 1, און ווערט אַ "לייבל" פֿאַר מאַשין לערנען אין יעדער ספּעציפיש רעקאָרד אין די פּאַקאַט וואָס איז יגזאַמאַנד פֿאַר ענלעכקייט. דאָס איז, נאָך פּראַסעסינג אַ ניי באקומען פּעקל פון פּאָמפּע שטאַט רעקאָרדס מיט אַ סטאַטיסטיש פּראָבע, מיר האָבן די געלעגנהייט צו (אַ) לייגן דעם פּעקל צו די טריינינג שטעלן פֿאַר טריינינג די אַי/מל מאָדעל און (ב) דורכפירן קוואַליטעט קאָנטראָל פון די די קראַנט ווערסיע פון ​​די מאָדעל ווען איר נוצן עס צו דעם פּעקל.

פיגורע 6 אַפּלייינג אַ מאַשין לערנען מאָדעל צו ינקאַמינג דאַטן קעגן דעם הינטערגרונט פון אַ כיסאָרן "פירמע"

אין איינער פון אונדזער פריערדיקן וועבינאַרס מיר ווייַזן און דערקלערן ווי די InterSystems IRIS פּלאַטפאָרמע אַלאַוז איר צו ינסטרומענט קיין AI / ML מעקאַניזאַם אין די פאָרעם פון קאַנטיניואַסלי עקסאַקיוטינג געשעפט פּראַסעסאַז וואָס מאָניטאָר די רילייאַבילאַטי פון מאָדעלינג רעזולטאַטן און אַדאַפּט מאָדעל פּאַראַמעטערס. ווען ימפּלאַמענינג אַ פּראָוטאַטייפּ פון אונדזער סצענאַר מיט פּאַמפּס, מיר נוצן אַלע די InterSystems IRIS פאַנגקשאַנאַליטי דערלאנגט בעשאַס די וועבינאַר - ימפּלאַמענינג אין די אַנאַליזער פּראָצעס ווי אַ טייל פון אונדזער לייזונג, ניט קלאַסיש סופּערווייזד לערנען, אָבער גאַנץ ריינפאָרסמאַנט לערנען, וואָס אויטאָמאַטיש מאַנידזשיז די סעלעקציע פֿאַר טריינינג מאָדעלס . דער טריינינג מוסטער כּולל רעקאָרדס אויף וואָס אַ "דיטעקשאַן קאָנסענסוס" ערייזאַז נאָך אַפּלייינג ביידע די סטאַטיסטיש פּראָבע און די קראַנט ווערסיע פון ​​די מאָדעל - ד"ה די סטאַטיסטיש פּראָבע (נאָך יבערמאַכן די ענלעכקייט אינדעקס צו 0 אָדער 1) און דער מאָדעל האט דער רעזולטאַט. אויף אַזאַ רעקאָרדס 1. בעשאַס נייַע טריינינג פון די מאָדעל, בעשאַס זיין וואַלאַדיישאַן (די ניי טריינד מאָדעל איז געווענדט צו זיין אייגענע טריינינג מוסטער, מיט פּרילימאַנערי אַפּלאַקיישאַן פון אַ סטאַטיסטיש פּראָבע), רעקאָרדס וואָס "האט נישט ריטיין" רעזולטאַט 1 נאָך פּראַסעסינג דורך די סטאַטיסטיש פּראָבע (רעכט צו די קעסיידערדיק בייַזייַן אין די טריינינג אַ מוסטער פון רעקאָרדס פון דער אָריגינעל "פירמע" פון די כיסאָרן), זענען אַוועקגענומען פון די טריינינג שטעלן, און אַ נייַע ווערסיע פון ​​די מאָדעל לערנט פון די "פירמע" פון די כיסאָרן פּלוס די "ריטיינד" רעקאָרדס פון דעם טייַך.

פיגורע 7 ראָובאַץ פון אַי / מל חשבונות אין ינטערסיסטעמס יריס

אויב עס איז אַ נויט פֿאַר אַ מין פון "רגע מיינונג" אויף די קוואַליטעט פון דיטעקשאַן באקומען בעשאַס היגע חשבונות אין InterSystems IRIS, אַ אַדווייזער פּראָצעס איז באשאפן צו דורכפירן טריינינג און אַפּלאַקיישאַן פון מאָדעלס אויף אַ קאָנטראָל דאַטאַסעט ניצן וואָלקן באַדינונגס (למשל, Microsoft Azure, Amazon Web Services, Google Cloud Platform, עטק.):

פיגורע 8 צווייטע מיינונג פון Microsoft Azure אָרקעסטרייטיד דורך InterSystems IRIS

דער פּראָוטאַטייפּ פון אונדזער סצענאַר אין InterSystems IRIS איז דיזיינד ווי אַן אַגענט-באזירט סיסטעם פון אַנאַליסיס פּראַסעסאַז וואָס ינטעראַקט מיט אַן עקוויפּמענט כייפעץ (פּאָמפּע), מאַטאַמאַטיקאַל מאָדעלינג ינווייראַנמאַנץ (Python, R און Julia), און ינשורז זיך-לערנען פון אַלע ינוואַלווד אַי / ML מעקאַניזאַמז - אויף פאַקטיש-צייט דאַטן סטרימז.

פיגורע 9 הויפּט פאַנגקשאַנאַליטי פון די פאַקטיש-צייט אַי / מל לייזונג אין ינטערסיסטעמס יריס

די פּראַקטיש רעזולטאַט פון אונדזער פּראָוטאַטייפּ:

• מוסטער דעפעקט אנערקענט דורך די מאָדעל (12 יאנואר):

• א דעוועלאָפּינג כיסאָרן אנערקענט דורך די מאָדעל וואָס איז נישט אַרייַנגערעכנט אין די מוסטער (11 סעפטעמבער, די כיסאָרן זיך איז יידענאַפייד דורך די פאַרריכטן מאַנשאַפֿט בלויז צוויי טעג שפּעטער, אויף 13 סעפטעמבער):

סימיאַליישאַן אויף פאַקטיש דאַטן מיט עטלעכע עפּיסאָודז פון דער זעלביקער כיסאָרן געוויזן אַז אונדזער לייזונג, ימפּלאַמענאַד אויף די ינטערסיסטעמס IRIS פּלאַטפאָרמע, אַלאַוז אונדז צו ידענטיפיצירן די אַנטוויקלונג פון חסרונות פון דעם טיפּ עטלעכע טעג איידער זיי זענען דיטעקטאַד דורך די פאַרריכטן מאַנשאַפֿט.

InterSystems IRIS - אַ וניווערסאַל פאַקטיש-צייט אַי / מל קאַמפּיוטינג פּלאַטפאָרמע

די ינטערסיסטעמס IRIS פּלאַטפאָרמע סימפּלאַפייז די אַנטוויקלונג, דיפּלוימאַנט און אָפּעראַציע פון ​​פאַקטיש-צייט דאַטן סאַלושאַנז. ינטערסיסטעמס IRIS איז טויגעוודיק פון סיימאַלטייניאַסלי דורכפירן טראַנסאַקטיאָנאַל און אַנאַליטיקאַל דאַטן פּראַסעסינג; שטיצן סינגקראַנייזד דאַטן קוקן לויט צו קייפל מאָדעלס (אַרייַנגערעכנט ריליישאַנאַל, כייראַרקאַקאַל, כייפעץ און דאָקומענט); אַקט ווי אַ פּלאַטפאָרמע פֿאַר ינטאַגרייטינג אַ ברייט קייט פון דאַטן קוואלן און יחיד אַפּלאַקיישאַנז; צושטעלן אַוואַנסירטע פאַקטיש-צייט אַנאַליטיקס אויף סטראַקטשערד און אַנסטראַקטשערד דאַטן. InterSystems IRIS אויך גיט מעקאַניזאַמז פֿאַר ניצן פונדרויסנדיק אַנאַליסיס מכשירים און אַלאַוז פלעקסאַבאַל קאָמבינאַציע פון ​​האָסטינג אין די וואָלקן און אויף היגע סערווערס.

אַפּפּליקאַטיאָנס געבויט אויף די ינטערסיסטעמס IRIS פּלאַטפאָרמע זענען דיפּלויד איבער אַ פאַרשיידנקייַט פון ינדאַסטריז, העלפּינג קאָמפּאַניעס צו פאַרשטיין באַטייַטיק עקאָנאָמיש בענעפיץ פֿון אַ סטראַטידזשיק און אַפּעריישאַנאַל פּערספּעקטיוו, ינקריסינג ינפאָרמד באַשלוס געמאכט און ברידזשינג די גאַפּס צווישן געשעעניש, אַנאַליסיס און קאַמף.

פיגורע 10 ינטערסיסטעמס יריס אַרקאַטעקטשער אין דעם קאָנטעקסט פון פאַקטיש-צייט אַי / מל

ווי די פריערדיקע דיאַגראַמע, די דיאַגראַמע אונטן קאַמביינז די נייַע "קאָאָרדאַנאַט סיסטעם" (סי / סי / קט) מיט אַ דיאַגראַמע פון ​​די לויפן פון אינפֿאָרמאַציע צווישן די ארבעטן עלעמענטן פון דער פּלאַטפאָרמע. די וויזשוואַלאַזיישאַן הייבט מיט די מאַקראָמעטשאַניסם קאָמפּאַקטדיסק און האלט מיט די מאַקראָמעקאַניזאַמז סי און CT.

פיגורע 11 דיאַגראַמע פון ​​אינפֿאָרמאַציע פלאָוז צווישן אַי / מל עלעמענטן פון די ינטערסיסטעמס יריס פּלאַטפאָרמע

די עסאַנס פון די קאָמפּאַקטדיסק מעקאַניזאַם אין ינטערסיסטעמס IRIS: פּלאַטפאָרמע יוזערז (דעוועלאָפּערס פון אַי / מל סאַלושאַנז) אַדאַפּט די יגזיסטינג און / אָדער שאַפֿן נייַע אַי / מל דיוועלאַפּמאַנץ ניצן אַ ספּעשאַלייזד קאָד רעדאַקטאָר פֿאַר אַי / מל מעקאַניזאַמז: Jupyter (פול נאָמען: Jupyter Notebook; פֿאַר קורץ, דאָקומענטן באשאפן אין דעם רעדאַקטאָר זענען אויך מאל גערופן). אין Jupyter, אַ דעוועלאָפּער האט די געלעגנהייט צו שרייַבן, דיבאַגינג און באַשטעטיקן די פאָרשטעלונג (אַרייַנגערעכנט ניצן גראַפיקס) פון אַ ספּעציפיש אַי / מל אַנטוויקלונג איידער עס איז געשטעלט ("דיפּלויד") אין ינטערסיסטעמס IRIS. עס איז קלאָר אַז אַ נייַע אַנטוויקלונג באשאפן אין דעם וועג וועט באַקומען בלויז יקערדיק דיבאַגינג (זינט, אין באַזונדער, Jupyter טוט נישט אַרבעטן מיט פאַקטיש-צייט דאַטן סטרימז) - דאָס איז אין די סדר פון זאכן, ווייַל די הויפּט רעזולטאַט פון אַנטוויקלונג אין דזשופּיטער איז באַשטעטיקונג פון די פונדאַמענטאַל אָפּעראַביליטי פון אַ באַזונדער אַי / מל מעקאַניזאַם ("ווייזט די דערוואַרט רעזולטאַט אויף אַ דאַטן מוסטער"). סימילאַרלי, אַ מעקאַניזאַם שוין געשטעלט אין דער פּלאַטפאָרמע (זען די פאלגענדע מאַקראָו מעקאַניזאַמז) איידער דיבאַגינג אין דזשופּיטער קען דאַרפן אַ "ראָולבאַק" צו אַ "פאַר-פּלאַטפאָרמע" פאָרעם (לייענען דאַטן פון טעקעס, ארבעטן מיט דאַטן דורך xDBC אַנשטאָט פון טישן, דירעקט ינטעראַקשאַן מיט גלאָבאַלס - מולטידימענסיאָנאַל דאַטן ערייז ינטערסיסטעמס IRIS - אאז"ו ו).

א וויכטיק אַספּעקט פון קאָמפּאַקטדיסק ימפּלאַמענטיישאַן אין ינטערסיסטעמס IRIS: ביידירעקטיאָנאַל ינאַגריישאַן איז ימפּלאַמענאַד צווישן די פּלאַטפאָרמע און דזשופּיטער, אַלאַוינג אינהאַלט אין Python, R און Julia צו זיין טראַנספערד צו די פּלאַטפאָרמע (און דערנאָך פּראַסעסט אין דער פּלאַטפאָרמע) (אַלע דריי זענען פּראָגראַממינג שפּראַכן אין די קאָראַספּאַנדינג לידינג עפֿענען-מקור שפּראַכן). מקור מאַטאַמאַטיקאַל מאָדעלינג ינווייראַנמאַנץ). אזוי, AI / ML אינהאַלט דעוועלאָפּערס האָבן די געלעגנהייט צו דורכפירן "קאַנטיינדזשד דיפּלוימאַנט" פון דעם אינהאַלט אין דער פּלאַטפאָרמע, ארבעטן אין זייער באַקאַנטע Jupyter רעדאַקטאָר, מיט באַקאַנט לייברעריז בנימצא אין Python, R, Julia, און דורכפירן יקערדיק דיבאַגינג (אויב נייטיק) אַרויס די פּלאַטפאָרמע .

לאָמיר גיין צו די CI מאַקראָו מעקאַניזאַם אין InterSystems IRIS. די דיאַגראַמע ווייזט די מאַקראָו פּראָצעס פון די "פאַקטיש-צייט ראָובאַטיזער" (אַ קאָמפּלעקס פון דאַטן סטראַקטשערז, געשעפט פּראַסעסאַז און קאָד פראַגמאַנץ אָרקעסטרייטיד דורך זיי אין מאַטאַמאַטיקאַל שפּראַכן און אָבדזשעקטסקריפּט - די געבוירן אַנטוויקלונג שפּראַך פון InterSystems IRIS). די אַרבעט פון דעם מאַקראָו פּראָצעס איז צו האַלטן די דאַטן קיוז נייטיק פֿאַר די אָפּעראַציע פון ​​אַי / מל מעקאַניזאַמז (באזירט אויף דאַטן סטרימז טראַנסמיטטעד צו דער פּלאַטפאָרמע אין פאַקטיש צייט), מאַכן דיסיזשאַנז וועגן די סיקוואַנס פון אַפּלאַקיישאַן און די "סאָרטמענט" פון אַי / ML מעקאַניזאַמז (זיי זענען אויך "מאַטאַמאַטיק אַלגערידאַמז", "מאָדעלס", אאז"ו ו ML מעקאַניזאַמז (קיובז, טישן, מולטידימענסיאָנאַל דאַטן ערייז, אאז"ו ו). אאז"ו ו - פֿאַר ריפּאָרץ, דאַשבאָרדז, אאז"ו ו).

אַ וויכטיק אַספּעקט פון CI ימפּלאַמענטיישאַן אין InterSystems IRIS: ביידירעקטיאָנאַל ינאַגריישאַן איז ימפּלאַמענאַד צווישן די פּלאַטפאָרמע און מאַטאַמאַטיקאַל מאָדעלינג ינווייראַנמאַנץ, אַלאַוינג איר צו ויספירן אינהאַלט כאָוסטיד אין די פּלאַטפאָרמע אין Python, R און Julia אין זייער ריספּעקטיוו ינווייראַנמאַנץ און באַקומען צוריק די דורכפירונג רעזולטאַטן. די ינטאַגריישאַן איז ימפּלאַמענאַד ביידע אין "וואָקזאַל מאָדע" (ד"ה, AI / ML אינהאַלט איז פארמולירט ווי אָבדזשעקטסקריפּט קאָד וואָס רופט צו די סוויווע) און אין "געשעפט פּראָצעס מאָדע" (ד"ה, AI / ML אינהאַלט איז פאָרמולירט ווי אַ געשעפט פּראָצעס) ניצן אַ גראַפיקאַל רעדאַקטאָר, אָדער מאל מיט דזשופּיטער, אָדער ניצן אַ IDE - IRIS Studio, Eclipse, Visual Studio Code). די אַוויילאַבילאַטי פון געשעפט פּראַסעסאַז פֿאַר עדיטינג אין דזשופּיטער איז שפיגלט דורך די קשר צווישן IRIS אויף די סי מדרגה און דזשופּיטער אויף די סי מדרגה. א מער דיטיילד איבערבליק פון ינטאַגריישאַן מיט מאַטאַמאַטיקאַל מאָדעלינג ינווייראַנמאַנץ איז צוגעשטעלט אונטן. אין דעם בינע, אין אונדזער מיינונג, עס איז אַלע סיבה צו ענשור אַז די פּלאַטפאָרמע האט אַלע די נויטיק מכשירים פֿאַר ימפּלאַמענינג "קייַערלעך ינטאַגריישאַן" פון אַי / מל דיוועלאַפּמאַנץ (קומענדיק פון "קאַנטיניאַס דיפּלוימאַנט") אין פאַקטיש-צייט אַי / מל סאַלושאַנז.

און די הויפּט מאַקראָו מעקאַניזאַם: CT. אָן עס, עס וועט זיין קיין AI / ML פּלאַטפאָרמע (כאָטש "פאַקטיש צייט" וועט זיין ימפּלאַמענאַד דורך CD / CI). די עסאַנס פון CT איז די אַרבעט פון די פּלאַטפאָרמע מיט "אַרטאַפאַקץ" פון מאַשין לערנען און קינסטלעך סייכל גלייך אין ארבעטן סעשאַנז פון מאַטאַמאַטיקאַל מאָדעלינג ינווייראַנמאַנץ: מאָדעלס, פאַרשפּרייטונג טישן, מאַטריץ וועקטאָרס, לייַערס פון נעוראַל נעטוואָרקס, עטק. די "אַרבעט", אין רובֿ קאַסעס, באשטייט פון קריייטינג די דערמאנט אַרטאַפאַקץ אין ינווייראַנמאַנץ (אין די פאַל פון מאָדעלס, פֿאַר בייַשפּיל, "שאַפונג" באשטייט פון באַשטעטיקן די ספּעסאַפאַקיישאַנז פון די מאָדעל און דערנאָך סעלעקציע פון ​​די וואַלועס פון זייַן פּאַראַמעטערס - די אַזוי גערופענע "טריינינג" פון די מאָדעל), זייער אַפּלאַקיישאַן (פֿאַר מאָדעלס: כעזשבן מיט זייער הילף פון "מאָדעל" וואַלועס פון ציל וועריאַבאַלז - פאָרקאַסץ, קאַטעגאָריע מיטגלידערשאַפט, מאַשמאָעס פון אַ געשעעניש, אאז"ו ו) און פֿאַרבעסערונג פון שוין באשאפן און געווענדט אַרטאַפאַקץ (למשל, רידיפיינינג אַ גאַנג פון מאָדעל אַרייַנשרייַב וועריאַבאַלז באזירט אויף די רעזולטאַטן פון אַפּלאַקיישאַן - אין סדר צו פֿאַרבעסערן פאָרויסזאָגן אַקיעראַסי, ווי אַן אָפּציע). דער שליסל פונט אין פארשטאנד די ראָלע פון ​​​​CT איז זיין "אַבסטראַקשאַנז" פֿון די ריאַלאַטיז פון CD און CI: CT וועט ינסטרומענט אַלע אַרטאַפאַקץ, פאָוקיסינג אויף די קאַמפּיוטיישאַנאַל און מאַטאַמאַטיקאַל ספּעסיפיקס פון די אַי / מל לייזונג אין די קייפּאַבילאַטיז צוגעשטעלט דורך ספּעציפיש ינווייראַנמאַנץ. די פֿאַראַנטוואָרטלעכקייט פֿאַר "פּראַוויידינג ינפּוץ" און "דיליווערינג אַוטפּוץ" וועט זיין די פֿאַראַנטוואָרטלעכקייט פון CD און CI.

א וויכטיק אַספּעקט פון די ימפּלאַמענטיישאַן פון CT ספּאַסיפיקלי אין InterSystems IRIS: ניצן די ינאַגריישאַן מיט מאַטאַמאַטיקאַל מאָדעלינג ינווייראַנמאַנץ שוין דערמאנט אויבן, די פּלאַטפאָרמע האט די פיייקייט צו עקסטראַקט די זייער אַרטאַפאַקץ פון אַרבעט סעשאַנז וואָס לויפן אונטער זיין קאָנטראָל אין מאַטאַמאַטיקאַל ינווייראַנמאַנץ און (רובֿ ימפּאָרטאַנטלי) קער. זיי אין פּלאַטפאָרמע דאַטן אַבדזשעקץ. פֿאַר בייַשפּיל, אַ פאַרשפּרייטונג טיש וואָס איז פּונקט באשאפן אין אַ ארבעטן פּיטהאָן סעסיע קענען זיין (אָן סטאָפּפּינג די פּיטהאָן סעסיע) טראַנספערד צו דער פּלאַטפאָרמע אין די פאָרעם פון, למשל, אַ גלאבאלע (אַ מולטידימענסיאָנאַל ינטערסיסטעמס יריס דאַטן מענגע) - און געוויינט פֿאַר חשבונות אין אן אנדער AI / ML- מעקאַניזאַם (ימפּלאַמענאַד אין די שפּראַך פון אן אנדער סוויווע - פֿאַר בייַשפּיל, אין R) - אָדער אַ ווירטואַל טיש. אן אנדער בייַשפּיל: אין פּאַראַלעל מיט די "נאָרמאַל מאָדע" פון די אָפּעראַציע פון ​​די מאָדעל (אין די פּיטהאָן אַרבעט סעסיע), "אָטאָו-מל" איז דורכגעקאָכט אויף זייַן אַרייַנשרייַב דאַטן: אָטאַמאַטיק סעלעקציע פון ​​אָפּטימאַל אַרייַנשרייַב וועריאַבאַלז און פּאַראַמעטער וואַלועס. און צוזאמען מיט די "רעגולער" טריינינג, אַ פּראָדוקטיוו מאָדעל אין פאַקטיש צייט אויך באקומט אַ "פאָרשלאָג פֿאַר אַפּטאַמאַזיישאַן" פון זייַן באַשרייַבונג - אין וואָס די גאַנג פון אַרייַנשרייַב וועריאַבאַלז ענדערונגען, די פּאַראַמעטער וואַלועס טוישן (ניט מער ווי אַ רעזולטאַט פון טריינינג אין פּיטהאָן, אָבער ווי אַ רעזולטאַט פון טריינינג מיט אַן "אָלטערנאַטיוו" ווערסיע פון ​​זיך, אַזאַ ווי די H2O אָנלייגן), אַלאַוינג די קוילעלדיק AI / ML לייזונג אָטאַנאַמאַסלי קאָפּע מיט אומגעריכט ענדערונגען אין די נאַטור פון די אַרייַנשרייַב דאַטן און דערשיינונגען וואָס זענען מאָדעלעד. .

לאָמיר באַקענען זיך אין מער דעטאַל מיט די פּלאַטפאָרמע AI / ML פאַנגקשאַנאַליטי פון InterSystems IRIS, ניצן דעם בייַשפּיל פון אַ פאַקטיש-לעבן פּראָוטאַטייפּ.

אין די דיאַגראַמע אונטן, אויף די לינקס זייַט פון די רוק עס איז אַ טייל פון די געשעפט פּראָצעס וואָס ימפּלאַמאַנץ די דורכפירונג פון סקריפּס אין Python און R. אין די הויפט טייל עס זענען וויזשאַוואַל לאָגס פון די דורכפירונג פון עטלעכע פון ​​די סקריפּס, ריספּעקטיוולי, אין פּיטהאָן און ר. גלייך הינטער זיי זענען ביישפילן פון אינהאַלט אויף איין און אנדערן שפּראַך, טראַנספערד פֿאַר דורכפירונג צו די צונעמען ינווייראַנמאַנץ. אין די סוף אויף די רעכט זענען וויזשוואַלאַזיישאַנז באזירט אויף די רעזולטאַטן פון שריפט דורכפירונג. די וויזשוואַלאַזיישאַנז אין די שפּיץ זענען געמאכט אויף IRIS Analytics (דאַטן איז גענומען פֿון Python אין די InterSystems IRIS דאַטן פּלאַטפאָרמע און געוויזן אויף אַ דאַשבאָרד ניצן די פּלאַטפאָרמע), אין די דנאָ זענען געמאכט גלייך אין די R אַרבעט סעסיע און רעזולטאַט פֿון דאָרט צו גראַפיק טעקעס . אַ וויכטיק אַספּעקט: די דערלאנגט פראַגמענט אין די פּראָוטאַטייפּ איז פאַראַנטוואָרטלעך פֿאַר טריינינג די מאָדעל (די קלאַסאַפאַקיישאַן פון עקוויפּמענט שטאַטן) אויף דאַטן באקומען אין פאַקטיש צייט פון די ויסריכט סימיאַלייטער פּראָצעס, אויף די באַפֿעל פון די קלאַסאַפאַקיישאַן קוואַליטעט מאָניטאָר פּראָצעס באמערקט בעשאַס די אַפּלאַקיישאַן פון די מאָדעל. די ימפּלאַמענטיישאַן פון אַן אַי / מל לייזונג אין די פאָרעם פון אַ גאַנג פון ינטעראַקטינג פּראַסעסאַז ("אַגענץ") וועט זיין דיסקאַסט ווייַטער.

פיגורע 12 ינטעראַקשאַן מיט פּיטהאָן, ר און דזשוליאַ אין ינטערסיסטעמס יריס

פּלאַטפאָרם פּראַסעסאַז (זיי זענען אויך "געשעפט פּראַסעסאַז", "אַנאַליטיקאַל פּראַסעסאַז", "ריפּלינעס, אאז"ו ו - דיפּענדינג אויף דעם קאָנטעקסט), ערשטער פון אַלע, זענען עדיטיד אין די גראַפיקאַל געשעפט פּראָצעס רעדאַקטאָר אין דער פּלאַטפאָרמע זיך, און אין אַזאַ אַ ווי די בלאָק דיאַגראַמע און די קאָראַספּאַנדינג אַי / מל מעקאַניזאַם (פּראָגראַם קאָד) זענען באשאפן סיימאַלטייניאַסלי. ווען מיר זאָגן אַז "אַ AI / ML מעקאַניזאַם איז באקומען," מיר טכילעס מיינען כייברידיטי (אין איין פּראָצעס): אינהאַלט אין די שפּראַכן פון מאַטאַמאַטיקאַל מאָדעלינג ינווייראַנמאַנץ איז שכייניש צו אינהאַלט אין SQL (אַרייַנגערעכנט יקסטענשאַנז פון ינטעגראַטעדמל), אין ינטערסיסטעמס אָבדזשעקטסקריפּט, מיט אנדערע שטיצט שפּראַכן. דערצו, דער פּלאַטפאָרמע פּראָצעס גיט זייער ברייט אַפּערטונאַטיז פֿאַר "רענדערינג" אין די פאָרעם פון כייראַרקאַקלי נעסטעד פראַגמאַנץ (ווי קענען זיין געזען אין די ביישפּיל אין די דיאַגראַמע אונטן), וואָס אַלאַוז איר צו יפעקטיוולי אָרגאַניזירן אפילו זייער קאָמפּלעקס אינהאַלט אָן טאָמיד "פאַלן אויס" פון די גראַפיקאַל פֿאָרמאַט (אין "ניט-גראַפיקאַל" פֿאָרמאַטירונגען). » מעטהאָדס / קלאסן / פּראָוסידזשערז, אאז"ו ו). אַז איז, אויב נייטיק (און עס איז פאָרסעססעד אין רובֿ פּראַדזשעקס), די גאנצע אַי / מל לייזונג קענען זיין ימפּלאַמענאַד אין אַ גראַפיקאַל זיך-דאַקיאַמענטינג פֿאָרמאַט. ביטע טאָן אַז אין די הויפט טייל פון די דיאַגראַמע אונטן, וואָס רעפּראַזענץ אַ העכער "נעסטינג מדרגה", עס איז קלאָר אַז אין אַדישאַן צו די פאַקטיש אַרבעט פון טריינינג די מאָדעל (ניצן פּיטהאָן און ר), אַן אַנאַליסיס פון די אַזוי גערופענע. ROC ויסבייג פון די טריינד מאָדעל איז צוגעגעבן, אַלאַוינג וויזשוואַלי (און קאַמפּיוטישאַנאַלי אויך) אָפּשאַצן די קוואַליטעט פון טריינינג - און דעם אַנאַליסיס איז ימפּלאַמענאַד אין די דזשוליאַ שפּראַך (עקסאַקיוטאַד, אַקאָרדינגלי, אין די דזשוליאַ מאַטאַמאַטיקאַל סוויווע).

פיגורע 13 וויסואַל סוויווע פֿאַר דער זאַץ פון אַי / מל סאַלושאַנז אין ינטערסיסטעמס יריס

ווי פריער דערמאנט, די ערשט אַנטוויקלונג און (אין עטלעכע קאַסעס) אַדאַפּטיישאַן פון אַי / מל מעקאַניזאַמז שוין ימפּלאַמענאַד אין דער פּלאַטפאָרמע וועט / קענען זיין געטאן אַרויס די פּלאַטפאָרמע אין די דזשופּיטער רעדאַקטאָר. אין די דיאַגראַמע אונטן מיר זען אַ ביישפּיל פון אַדאַפּטינג אַ יגזיסטינג פּלאַטפאָרמע פּראָצעס (די זעלבע ווי אין די דיאַגראַמע אויבן) - דאָס איז ווי די פראַגמענט וואָס איז פאַראַנטוואָרטלעך פֿאַר טריינינג די מאָדעל קוקט ווי אין דזשופּיטער. Python אינהאַלט איז בארעכטיגט פֿאַר עדיטינג, דיבאַגינג און גראַפיקס רעזולטאַט גלייַך אין דזשופּיטער. ענדערונגען (אויב נייטיק) קענען זיין געמאכט מיט רעגע סינגקראַנאַזיישאַן אין די פּלאַטפאָרמע פּראָצעס, אַרייַנגערעכנט זייַן פּראָדוקטיוו ווערסיע. ניו אינהאַלט קענען זיין טראַנספערד צו דער פּלאַטפאָרמע אין אַ ענלעך וועג (אַ נייַע פּלאַטפאָרמע פּראָצעס איז אויטאָמאַטיש דזשענערייטאַד).

פיגורע 14 ניצן דזשופּיטער נאָוטבוק צו רעדאַגירן די אַי / מל מאָטאָר אין די ינטערסיסטעמס יריס פּלאַטפאָרמע

אַדאַפּטיישאַן פון אַ פּלאַטפאָרמע פּראָצעס קענען זיין דורכגעקאָכט ניט בלויז אין אַ גראַפיקאַל אָדער לאַפּטאַפּ פֿאָרמאַט - אָבער אויך אין די "גאַנץ" IDE (Integrated Development Environment) פֿאָרמאַט. די ידעס זענען IRIS Studio (געבוירן IRIS סטודיאָ), וויסואַל סטודיאָ קאָוד (InterSystems IRIS פאַרלענגערונג פֿאַר VSCode) און Eclipse (אַטעליער פּלוגין). אין עטלעכע קאַסעס, עס איז מעגלעך פֿאַר אַ אַנטוויקלונג מאַנשאַפֿט צו נוצן אַלע דריי יידעס סיימאַלטייניאַסלי. די דיאַגראַמע אונטן ווייַזן אַ ביישפּיל פון עדיטינג די זעלבע פּראָצעס אין IRIS סטודיאָ, וויסואַל סטודיאָ קאָוד און עקליפּסע. לעגאַמרע אַלע אינהאַלט איז בארעכטיגט פֿאַר עדיטינג: Python/R/Julia/SQL, ObjectScript און געשעפט פּראָצעס.

פיגורע 15 אַנטוויקלונג פון די ינטערסיסטעמס יריס געשעפט פּראָצעס אין פאַרשידן IDEs

די מכשירים פֿאַר דיסקרייבינג און עקסאַקיוטינג ינטערסיסטעמס IRIS געשעפט פּראַסעסאַז אין די ביזנעס פּראַסעס שפּראַך (BPL) פאַרדינען ספּעציעל דערמאָנען. BPL מאכט עס מעגלעך צו נוצן "גרייט-געמאכט ינטאַגריישאַן קאַמפּאָונאַנץ" (אַקטיוויטעטן) אין געשעפט פּראַסעסאַז - וואָס, אין פאַקט, גיט יעדער סיבה צו זאָגן אַז "קאָנטינואָוס ינאַגריישאַן" איז ימפּלאַמענאַד אין InterSystems IRIS. גרייט-געמאכט געשעפט פּראָצעס קאַמפּאָונאַנץ (אַקטיוויטעטן און קאַנעקשאַנז צווישן זיי) זענען אַ שטאַרק אַקסעלעראַטאָר פֿאַר אַסעמבאַלינג אַן אַי / מל לייזונג. און ניט בלויז אַסעמבליז: דאַנק צו די אַקטיוויטעטן און קאַנעקשאַנז צווישן זיי איבער דיספּעראַט AI / ML דיוועלאַפּמאַנץ און מעקאַניזאַמז, אַ "אָטאַנאַמאַס פאַרוואַלטונג שיכטע" איז ביכולת צו מאַכן דיסיזשאַנז לויט די סיטואַציע, אין פאַקטיש צייט.

פיגורע 16 גרייט-געמאכט געשעפט פּראָצעס קאַמפּאָונאַנץ פֿאַר קעסיידערדיק ינאַגריישאַן (סי) אויף די ינטערסיסטעמס יריס פּלאַטפאָרמע

דער באַגריף פון אַגענט סיסטעמען (אויך באקאנט ווי "מאַלטי-אַגענט סיסטעמען") האט אַ שטאַרק שטעלע אין ראָובאַטיזיישאַן, און די ינטערסיסטעמס יריס פּלאַטפאָרמע אָרגאַניק שטיצט עס דורך די "פּראָדוקט-פּראָצעס" בויען. אין אַדישאַן צו די אַנלימאַטאַד פּאַסאַבילאַטיז פֿאַר "סטאַפינג" יעדער פּראָצעס מיט די פאַנגקשאַנאַליטי נייטיק פֿאַר די קוילעלדיק לייזונג, ענדאָווינג די סיסטעם פון פּלאַטפאָרמע פּראַסעסאַז מיט די פאַרמאָג פון "אַגענטור" אַלאַוז איר צו שאַפֿן עפעקטיוו סאַלושאַנז פֿאַר גאָר אַנסטייבאַל סימיאַלייטיד דערשיינונגען (אָפּפירונג פון געזעלשאַפטלעך / בייאָוסיסטאַמז, טייל אַבזערוואַבאַל טעקנאַלאַדזשיקאַל פּראַסעסאַז, אאז"ו ו).

פיגורע 16 אָפּעראַציע פון ​​אַן AI / ML לייזונג ווי אַן אַגענט-באזירט געשעפט פּראָצעס סיסטעם אין InterSystems IRIS

מיר פאָרזעצן אונדזער רעצענזיע פון ​​InterSystems IRIS מיט אַ דערציילונג וועגן די געווענדט נוצן פון דער פּלאַטפאָרמע פֿאַר סאַלווינג גאַנץ קלאסן פון פאַקטיש-צייט פּראָבלעמס (אַ פערלי דיטיילד הקדמה צו עטלעכע פון ​​​​די בעסטער פּראַקטיסיז פון פּלאַטפאָרמע AI / ML אויף InterSystems IRIS קענען זיין געפֿונען אין איין. פון אונדזער פריערדיקן וועבינאַרס).

הייס אויף די כילז פון די פריערדיקע דיאַגראַמע, אונטן איז אַ מער דיטיילד דיאַגראַמע פון ​​די אַגענט סיסטעם. די דיאַגראַמע ווייזט די זעלבע פּראָוטאַטייפּ, אַלע פיר אַגענט פּראַסעסאַז זענען קענטיק, די באַציונגען צווישן זיי זענען סכעמאַטיש ציען: GENERATOR - פּראַסעסאַז די שאַפונג פון דאַטן דורך ויסריכט סענסאָרס, BUFFER - מאַנידזשיז דאַטן קיוז, ANALYZER - פּערפאָרמז מאַשין לערנען זיך, מאָניטאָר - מאָניטאָרס די קוואַליטעט פון מאַשין לערנען און סאַבמיץ אַ סיגנאַל וועגן די נויט צו ריטריין די מאָדעל.

פיגורע 17 זאַץ פון אַן AI / ML לייזונג אין די פאָרעם פון אַן אַגענט-באזירט געשעפט פּראָצעס סיסטעם אין InterSystems IRIS

די דיאַגראַמע אונטן ילאַסטרייץ די אָטאַנאַמאַס פאַנגקשאַנינג פון אן אנדער ראָובאַטיק פּראָוטאַטייפּ (דערקענונג פון די עמאָציאָנעל קאַלערינג פון טעקסטן) פֿאַר עטלעכע מאָל. אין דער אויבערשטער טייל איז די עוואָלוציע פון ​​די קוואַליטעט גראדן פון מאָדעל טריינינג (קוואַליטעט איז גראָוינג), אין דער נידעריקער טייל איז די דינאַמיק פון די קוואַליטעט גראדן פון מאָדעל אַפּלאַקיישאַן און די Facts פון ריפּיטיד טריינינג (רויט מלקות). ווי איר קענען זען, די לייזונג האט געלערנט זיך יפישאַנטלי און אָטאַנאַמאַסלי און אַפּערייץ אין אַ געגעבן קוואַליטעט מדרגה (קוואַליטעט כעזשבן וואַלועס טאָן ניט פאַלן אונטער 80%).

פיגורע 18 קעסיידערדיק (זיך-) טריינינג (CT) אויף די ינטערסיסטעמס יריס פּלאַטפאָרמע

מיר אויך דערמאנט "אַוטאָ-מל" פריער, אָבער די דיאַגראַמע אונטן ווייַזן די נוצן פון דעם פאַנגקשאַנאַליטי אין דעטאַל מיט דעם בייַשפּיל פון אן אנדער פּראָוטאַטייפּ. די גראַפיקאַל דיאַגראַמע פון ​​אַ פראַגמענט פון אַ געשעפט פּראָצעס ווייזט די טעטיקייט וואָס טריגערז די מאָדעלינג אין די H2O אָנלייגן, ווייזט די רעזולטאַטן פון דעם מאָדעלינג (די קלאָר דאַמאַנאַנס פון די ריזאַלטינג מאָדעל איבער "קינסטלעך" מאָדעלס, לויט די קאָמפּאַראַטיווע דיאַגראַמע פון ROC קורוועס, ווי געזונט ווי די אָטאַמייטיד לעגיטימאַציע פון ​​די "מערסט ינפלוענטשאַל וועריאַבאַלז" בנימצא אין אָריגינעל דאַטן שטעלן). אַ וויכטיק פונט דאָ איז די שפּאָרן פון צייט און עקספּערט רעסורסן וואָס איז אַטשיווד דורך "אָטאָו-מל": וואָס אונדזער פּלאַטפאָרמע פּראָצעס טוט אין אַ האַלב מינוט (געפינען און טריינינג די אָפּטימאַל מאָדעל) קענען נעמען אַ מומחה פון אַ וואָך צו אַ חודש.

פיגורע 19 ינטעגראַטיאָן פון "אַוטאָ-מל" אין אַן אַי / מל לייזונג אויף די ינטערסיסטעמס יריס פּלאַטפאָרמע

די דיאַגראַמע אונטן פעלן די פונט אַ ביסל, אָבער עס איז אַ גוט וועג צו ענדיקן די דערציילונג וועגן די קלאסן פון פאַקטיש-צייט פּראָבלעמס וואָס זענען סאַלווד: מיר דערמאָנען איר אַז מיט אַלע די קייפּאַבילאַטיז פון די ינטערסיסטעמס IRIS פּלאַטפאָרמע, טריינינג מאָדעלס אונטער זיין קאָנטראָל איז ניט מאַנדאַטאָרי. די פּלאַטפאָרמע קענען באַקומען פֿון די אַרויס די אַזוי גערופענע PMML ספּעסיפיקאַטיאָן פון די מאָדעל, טריינד אין אַ געצייַג נישט אונטער די קאָנטראָל פון די פּלאַטפאָרמע - און צולייגן דעם מאָדעל אין פאַקטיש צייט פֿון דעם מאָמענט עס איז ימפּאָרטיד PMML ספּעסאַפאַקיישאַנז. עס איז וויכטיק צו נעמען אין חשבון אַז ניט אַלע AI / ML אַרטאַפאַקץ קענען זיין רידוסט צו אַ PMML באַשרייַבונג, אפילו אויב רובֿ פון די מערסט פּראָסט אַרטאַפאַקץ לאָזן דעם. אזוי, די ינטערסיסטעמס יריס פּלאַטפאָרמע איז "עפענען שלייף" און טוט נישט מיינען "פּלאַטפאָרמע שקלאַפֿערייַ" פֿאַר יוזערז.

פיגורע 20 ינטעגראַטיאָן פון "אַוטאָ-מל" אין אַן אַי / מל לייזונג אויף די ינטערסיסטעמס יריס פּלאַטפאָרמע

לאָמיר רשימה די נאָך פּלאַטפאָרמע אַדוואַנטידזשיז פון InterSystems IRIS (פֿאַר קלעריטי, אין באַציונג צו פּראָצעס קאָנטראָל), וואָס זענען פון גרויס וויכטיקייט אין די אָטאַמיישאַן פון קינסטלעך סייכל און פאַקטיש-צייט מאַשין לערנען:

• דעוועלאָפּעד ינטאַגריישאַן מכשירים מיט קיין דאַטן קוואלן און קאָנסומערס (פּראָסעס קאָנטראָל סיסטעם / SCADA, ויסריכט, MRO, ERP, עטק.)
• געבויט-אין מולטי-מאָדעל דבמס פֿאַר הויך-פאָרשטעלונג טראַנסאַקטיאָנאַל און אַנאַליטיקאַל פּראַסעסינג (היבריד טראַנסאַקטיאָן / אַנאַליטיש פּראַסעסינג, HTAP) פון קיין באַנד פון טעקנאַלאַדזשיקאַל פּראָצעס דאַטן
• אַנטוויקלונג מכשירים פֿאַר קעסיידערדיק דיפּלוימאַנט פון AI / ML ענדזשאַנז פֿאַר פאַקטיש-צייט סאַלושאַנז באזירט אויף Python, R, Julia
• אַדאַפּטיוו געשעפט פּראַסעסאַז פֿאַר קעסיידערדיק ינטאַגריישאַן און (זיך-) לערנען פון פאַקטיש-צייט אַי / מל לייזונג ענדזשאַנז
• געבויט-אין ביזנעס ינטעלליגענסע מכשירים פֿאַר וויזשוואַלייזינג פּראָצעס דאַטן און די רעזולטאַטן פון אַן אַי / מל לייזונג
• אַפּי מאַנאַגעמענט פֿאַר דיליווערינג די רעזולטאַטן פון די AI / ML לייזונג צו פּראָצעס קאָנטראָל סיסטעמען / SCADA, אינפֿאָרמאַציע און אַנאַליסיס סיסטעמען, שיקן אַלערץ, עטק.

AI / ML סאַלושאַנז אויף די InterSystems IRIS פּלאַטפאָרמע לייכט פּאַסיק אין די יגזיסטינג IT ינפראַסטראַקטשער. די InterSystems IRIS פּלאַטפאָרמע ינשורז הויך רילייאַבילאַטי פון AI / ML סאַלושאַנז דורך שטיצן שולד-טאָלעראַנט און ומגליק-טאָלעראַנט קאַנפיגיעריישאַנז און פלעקסאַבאַל דיפּלוימאַנט אין ווירטואַל ינווייראַנמאַנץ, אויף גשמיות סערווערס, אין פּריוואַט און עפנטלעך וואלקנס, און דאָקקער קאַנטיינערז.

אזוי, InterSystems IRIS איז אַ וניווערסאַל פאַקטיש-צייט אַי / מל קאַמפּיוטינג פּלאַטפאָרמע. די וניווערסאַליטי פון אונדזער פּלאַטפאָרמע איז באשטעטיקט אין פיר דורך די פעלן פון דע פאַקטאָ ריסטריקשאַנז אויף די קאַמפּלעקסיטי פון ימפּלאַמענאַד חשבונות, די פיייקייט פון InterSystems IRIS צו פאַרבינדן (אין פאַקטיש צייט) פּראַסעסינג פון סינעריאָוז פון אַ ברייט פאַרשיידנקייַט פון ינדאַסטריז, און די יקסעפּשאַנאַל אַדאַפּטאַבילאַטי פון קיין פּלאַטפאָרמע פאַנגקשאַנז און מעקאַניזאַמז צו די ספּעציפיש באדערפענישן פון ניצערס.

פיגורע 21 InterSystems IRIS - אַ וניווערסאַל פאַקטיש-צייט אַי / מל קאַמפּיוטינג פּלאַטפאָרמע

פֿאַר אַ מער סאַבסטאַנטיוו ינטעראַקשאַן מיט די פון אונדזער לייענער וואָס זענען אינטערעסירט אין דעם מאַטעריאַל דערלאנגט דאָ, מיר רעקאָמענדירן נישט לימיטעד זיך צו לייענען עס און פאָרזעצן דעם דיאַלאָג "לעבן." מיר וועלן זיין צופרידן צו צושטעלן שטיצן מיט די פאָרמאַליישאַן פון פאַקטיש-צייט AI / ML סינעריאָוז אין באַציונג צו די ספּעסיפיקס פון דיין פירמע, דורכפירן שלאָס פּראָוטאַטייפּ אויף די ינטערסיסטעמס IRIS פּלאַטפאָרמע, פאָרמולירן און ינסטרומענט אין פיר אַ ראָאַדמאַפּ פֿאַר ינטראָודוסינג קינסטלעך סייכל און מאַשין לערנען אין דיין פּראָדוקציע און פאַרוואַלטונג פּראַסעסאַז. אונדזער AI / ML עקספּערט מאַנשאַפֿט קאָנטאַקט בליצפּאָסט - [אימעיל באשיצט].

מקור: www.habr.com